Google Earth Engine 正在对地貌变化进行迄今为止最密切的观察

今天，谷歌地球启动了一个名为“动态世界”的项目，这是一项新尝试，旨在创建与新颖的深度学习 AI 模型配对的地图。它能够以 10 米（32 英尺）的分辨率按类型（水、城市、森林、农作物）对土地覆盖进行分类。这意味着每个像素覆盖约 10 米的土地。相比之下，之前最先进的技术的分辨率为 100 米（320 英尺）。

动态世界是一种让人们从太空观察地球上土地覆盖变化的多种方式的方法，无论是自然的季节变化、气候变化加剧的风暴和灾难，还是人类活动（如为种植农作物、养牛或伐木而清理野生栖息地）造成的长期变化。专家和研究人员可以利用这个新项目了解土地覆盖如何自然变化，并在出现一些意外变化时发出警报。

用户可以访问 Google 的 Dynamic World 网站，浏览各种数据集并查看标记的地图。例如，一张地图显示了从雨季到旱季，博茨瓦纳奥卡万戈三角洲的水量和绿化如何增减。

该地图模型利用欧洲航天局的 Sentinel-2 卫星图像，每 2 到 5 天可以更新一次全球土地覆盖监测数据流。事实上，每天大约有 12 TB 的数据来自 Sentinel-2 卫星。然后，这些数据进入谷歌的数据中心和谷歌地球引擎，后者是一个用于组织和传递地球观测和环境分析的云平台。地球引擎连接到数万台计算机，这些计算机处理信息并通过计算机模型得出见解，然后才能将其放入地球引擎数据目录中。

为了能够自动标记所有这些卫星图像中所代表的土地的使用方式，Google 需要人工智能的帮助。他们作为该项目的一部分开发的土地覆盖标记 AI 经过了人类专家（和一些非专家）标记的 50 亿像素的训练。在训练数据中，他们识别了 Sentinel-2 图像中的像素以及它们属于哪种土地覆盖类别（水、树、草、被淹没的植被、城市等建筑区、农作物、裸地、灌木、雪）。然后，他们会向模型展示训练集中没有的图像，并要求它对土地覆盖类型进行分类。不仅有颜色差异来区分地图上的不同土地类型，还有阴影差异。这是因为像素也传达了概率。颜色越亮，模型对其分类准确性就越有信心。当地形从陆地变成森林，或陆地变成水域时，就会产生纹理效果。

[相关：谷歌街景刚刚发布了新相机——它看起来像一只猫头鹰]

他们的数据集的详细描述已发表在《自然科学数据》杂志上。

“我们将在免费和开放许可下提供所有这些内容，”谷歌地球总监丽贝卡·摩尔 (Rebecca Moore) 在宣布这一消息前的新闻发布会上表示。“数据集是免费和开放的。人工智能模型是开源的。”

大约 10 年前，谷歌与世界资源研究所合作开展了“全球森林观察”项目，该项目旨在监测森林覆盖率，以保护这些地区，同时寻找伐木或采矿等非法活动带来的变化。现在，他们正试图将工作范围扩大到不仅仅是保护和观察一种土地覆盖类型。

这个想法是为了帮助理解现有的数据。“我们从许多政府和研究人员那里听说，他们致力于采取行动，但他们缺乏有关实地情况的环境监测信息，因此他们无法制定基于科学的数据政策，跟踪行动结果，[和]与利益相关者沟通，”摩尔说。“讽刺的是，他们不是没有大量的数据。但他们渴望获得洞察力。他们正在寻找可行的指导来支持他们需要做出的决策。在许多情况下，处理原始数据是一件令人不知所措的事情。”

谷歌认为，动态世界在这方面的作用是，它可以填补土地使用和土地覆盖方面的数据空白，并描述森林、水资源、农业、城市发展等基本生态系统的位置。摩尔说，这类信息可用于指导有关稀缺自然资源、食物和水的可持续管理的决策。它还可以帮助解决如何管理灾难恢复能力、如何应对海平面上升、在哪里建立保护区、在哪里建造水坝以及可能需要进行哪些权衡等问题，仅举几个例子。